python的理論

編譯型和解釋型

咱們先看看編譯型，其實它和彙編語言是同樣的：也是有一個負責翻譯的程序來對咱們的源代碼進行轉換，生成相對應的可執行代碼。這個過程說得專業一點，就稱爲編譯（Compile），而負責編譯的程序天然就稱爲編譯器（Compiler）。

源代碼編譯成機器碼

編譯型語言

若是咱們寫的程序代碼都包含在一個源文件中，那麼一般編譯以後就會直接生成一個可執行文件，咱們就能夠直接運行了。但對於一個比較複雜的項目，爲了方便管理，咱們一般把代碼分散在各個源文件中，做爲不一樣的模塊來組織。這時編譯各個文件時就會生成目標文件（Object   file）而不是前面說的可執行文件。通常一個源文件的編譯都會對應一個目標文件。這些目標文件裏的內容基本上已是可執行代碼了，但因爲只是整個項目的一部分，因此咱們還不能直接運行。待全部的源文件的編譯都大功告成，咱們就能夠最後把這些半成品的目標文件「打包」成一個可執行文件了，這個工做由另外一個程序負責完成，因爲此過程好像是把包含可執行代碼的目標文件鏈接裝配起來，因此又稱爲連接（Link），而負責連接的程序就叫……就叫連接程序（Linker）。連接程序除了連接目標文件外，可能還有各類資源，像圖標文件啊、聲音文件啊什麼的，還要負責去除目標文件之間的冗餘重複代碼，等等，因此……也是挺累的。連接完成以後，通常就能夠獲得咱們想要的可執行文件了。

解釋型語言

從字面上看，「編譯」和「解釋」的確都有「翻譯」的意思，它們的區別則在於翻譯的時機安排不大同樣。打個比方：假如你打算閱讀一本外文書，而你不知道這門外語，那麼你能夠找一名翻譯，給他足夠的時間讓他從頭至尾把整本書翻譯好，而後把書的母語版交給你閱讀；或者，你也馬上讓這名翻譯輔助你閱讀，讓他一句一句給你翻譯，若是你想往回看某個章節，他也得從新給你翻譯。

小結

兩種方式，前者就至關於咱們剛纔所說的編譯型：一次把全部的代碼轉換成機器語言，而後寫成可執行文件；然後者就至關於咱們要說的解釋型：在程序運行的前一刻，還只有源程序而沒有可執行程序；而程序每執行到源程序的某一條指令，則會有一個稱之爲解釋程序的外殼程序將源代碼轉換成二進制代碼以供執行，總言之，就是不斷地解釋、執行、解釋、執行……因此，解釋型程序是離不開解釋程序的。

應用

編譯型與解釋型，二者各有利弊。前者因爲程序執行速度快，同等條件下對系統要求較低，所以像開發操做系統、大型應用程序、數據庫系統等時都採用它，像C/C++、Pascal/Object   Pascal（Delphi）、VB等基本均可視爲編譯語言，而一些網頁腳本、服務器腳本及輔助開發接口這樣的對速度要求不高、對不一樣系統平臺間的兼容性有必定要求的程序則一般使用解釋性語言，如Java、JavaScript、VBScript、Perl、Python等等。

動態語言和靜態語言

（1）動態類型語言：動態類型語言是指在運行期間纔去作數據類型檢查的語言，也就是說，在用動態類型的語言編程時，永遠也不用給任何變量指定數據類型，該語言會在你第一次賦值給變量時，在內部將數據類型記錄下來。Python和Ruby就是一種典型的動態類型語言，其餘的各類腳本語言如VBScript也多少屬於動態類型語言。

（2）靜態類型語言：靜態類型語言與動態類型語言恰好相反，它的數據類型是在編譯其間檢查的，也就是說在寫程序時要聲明全部變量的數據類型，C/C++是靜態類型語言的典型表明，其餘的靜態類型語言還有C#、JAVA等。

強類型定義語言和弱類型定義語言

（1）強類型定義語言：強制數據類型定義的語言。也就是說，一旦一個變量被指定了某個數據類型，若是不通過強制轉換，那麼它就永遠是這個數據類型了。舉個例子：若是你定義了一個整型變量a,那麼程序根本不可能將a看成字符串類型處理。強類型定義語言是類型安全的語言。

（2）弱類型定義語言：數據類型能夠被忽略的語言。它與強類型定義語言相反, 一個變量能夠賦不一樣數據類型的值。

 

強類型定義語言在速度上可能略遜色於弱類型定義語言，可是強類型定義語言帶來的嚴謹性可以有效的避免許多錯誤。另外，「這門語言是否是動態語言」與「這門語言是否類型安全」之間是徹底沒有聯繫的！

例如：Python是動態語言，是強類型定義語言（類型安全的語言）; VBScript是動態語言，是弱類型定義語言（類型不安全的語言）; JAVA是靜態語言，是強類型定義語言（類型安全的語言）。

 

Python的優勢

Python的定位是「優雅」、「明確」、「簡單」，因此Python程序看上去老是簡單易懂，初學者學Python，不但入門容易，並且未來深刻下去，能夠編寫那些很是很是複雜的程序。

開發效率很是高，Python有很是強大的第三方庫，基本上你想經過計算機實現任何功能，Python官方庫裏都有相應的模塊進行支持，直接下載調用後，在基礎庫的基礎上再進行開發，大大下降開發週期，避免重複造輪子。

高級語言————當你用Python語言編寫程序的時候，你無需考慮諸如如何管理你的程序使用的內存一類的底層細節

可移植性————因爲它的開源本質，Python已經被移植在許多平臺上（通過改動使它可以工 做在不一樣平臺上）。若是你當心地避免使用依賴於系統的特性，那麼你的全部Python程序無需修改就幾乎能夠在市場上全部的系統平臺上運行

可擴展性————若是你須要你的一段關鍵代碼運行得更快或者但願某些算法不公開，你能夠把你的部分程序用C或C++編寫，而後在你的Python程序中使用它們。

可嵌入性————你能夠把Python嵌入你的C/C++程序，從而向你的程序用戶提供腳本功能。

Python的缺點

速度慢，Python 的運行速度相比C語言確實慢不少，跟JAVA相比也要慢一些，所以這也是不少所謂的大牛不屑於使用Python的主要緣由，但其實這裏所指的運行速度慢在大多數狀況下用戶是沒法直接感知到的，必須藉助測試工具才能體現出來，好比你用C運一個程序花了0.01s,用Python是0.1s,這樣C語言直接比Python快了10倍,算是很是誇張了，可是你是沒法直接經過肉眼感知的，由於一個正常人所能感知的時間最小單位是0.15-0.4s左右，哈哈。其實在大多數狀況下Python已經徹底能夠知足你對程序速度的要求，除非你要寫對速度要求極高的搜索引擎等，這種狀況下，固然仍是建議你用C去實現的。

代碼不能加密，由於PYTHON是解釋性語言，它的源碼都是以名文形式存放的，不過我不認爲這算是一個缺點，若是你的項目要求源代碼必須是加密的，那你一開始就不該該用Python來去實現。

線程不能利用多CPU問題，這是Python被人詬病最多的一個缺點，GIL即全局解釋器鎖（Global Interpreter Lock），是計算機程序設計語言解釋器用於同步線程的工具，使得任什麼時候刻僅有一個線程在執行，Python的線程是操做系統的原生線程。在Linux上爲pthread，在Windows上爲Win thread，徹底由操做系統調度線程的執行。一個python解釋器進程內有一條主線程，以及多條用戶程序的執行線程。即便在多核CPU平臺上，因爲GIL的存在，因此禁止多線程的並行執行。關於這個問題的折衷解決方法，咱們在之後線程和進程章節裏再進行詳細探討。

 

Python解釋器

CPython

當咱們從Python官方網站下載並安裝好Python 2.7後，咱們就直接得到了一個官方版本的解釋器：CPython。這個解釋器是用C語言開發的，因此叫CPython。在命令行下運行python就是啓動CPython解釋器。

 CPython是使用最廣的Python解釋器。教程的全部代碼也都在CPython下執行。

 

IPython

 IPython是基於CPython之上的一個交互式解釋器，也就是說，IPython只是在交互方式上有所加強，可是執行Python代碼的功能和CPython是徹底同樣的。比如不少國產瀏覽器雖然外觀不一樣，但內核其實都是調用了IE。

 CPython用>>>做爲提示符，而IPython用In [序號]:做爲提示符。

 

PyPy

 PyPy是另外一個Python解釋器，它的目標是執行速度。PyPy採用JIT技術，對Python代碼進行動態編譯（注意不是解釋），因此能夠顯著提升Python代碼的執行速度。

 絕大部分Python代碼均可以在PyPy下運行，可是PyPy和CPython有一些是不一樣的，這就致使相同的Python代碼在兩種解釋器下執行可能會有不一樣的結果。若是你的代碼要放到PyPy下執行，就須要瞭解PyPy和CPython的不一樣點。

 

Jython

 Jython是運行在Java平臺上的Python解釋器，能夠直接把Python代碼編譯成Java字節碼執行。

 

IronPython

 

IronPython和Jython相似，只不過IronPython是運行在微軟.Net平臺上的Python解釋器，能夠直接把Python代碼編譯成.Net的字節碼。